基于声学分形特征的深海钴结壳识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-27页 |
| ·课题研究的背景及意义 | 第9-10页 |
| ·声学遥测的研究现状 | 第10-19页 |
| ·声学遥测的发展简史 | 第10-12页 |
| ·声学遥测的应用现状及技术特点 | 第12-16页 |
| ·声学遥测中特征提取方法的研究现状 | 第16-19页 |
| ·近距离水下钴结壳声学识别的特点及待解决问题 | 第19-25页 |
| ·深海钴结壳采集环境 | 第19-22页 |
| ·钴结壳识别需要解决的问题 | 第22-25页 |
| ·主要研究内容和技术路线 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第二章 基于分形理论的底质回波特征提取 | 第27-46页 |
| ·分形的定义和性质 | 第27-28页 |
| ·分形的定义 | 第27-28页 |
| ·分形的性质 | 第28页 |
| ·分形维数及其定义 | 第28-31页 |
| ·Hausdorff维数 | 第29-30页 |
| ·盒维数 | 第30-31页 |
| ·分形维数的估计 | 第31-38页 |
| ·计盒子法 | 第31-32页 |
| ·小波变换法 | 第32-34页 |
| ·两种估算方法的验证与比较 | 第34-36页 |
| ·底质回波单一维数特征提取 | 第36-38页 |
| ·多重分形 | 第38-45页 |
| ·多重分形的基本概念 | 第38-40页 |
| ·广义维数 | 第40-42页 |
| ·仿真分析 | 第42-43页 |
| ·底质回波的广义维数特征提取实验 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第三章 基于核方法的底质回波特征优化 | 第46-70页 |
| ·主成分分析方法 | 第46-50页 |
| ·主成分分析的数学模型及推导 | 第47-49页 |
| ·主成分分析算法的实现 | 第49-50页 |
| ·基于核的主成分分析方法 | 第50-54页 |
| ·核方法 | 第50-52页 |
| ·核主成分分析方法 | 第52-54页 |
| ·基于核方法的Fisher判别方法 | 第54-62页 |
| ·Fisher判别方法 | 第55-59页 |
| ·核Fisher判别方法 | 第59-62页 |
| ·仿真分析 | 第62-67页 |
| ·底质回波特征优化实验 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第四章 基于概率神经网络的分类器设计 | 第70-81页 |
| ·引言 | 第70-71页 |
| ·神经网络的基本理论 | 第71-72页 |
| ·生物神经元 | 第71页 |
| ·人工神经元 | 第71-72页 |
| ·概率神经网络 | 第72-76页 |
| ·贝叶斯决策理论 | 第72-73页 |
| ·Paren窗法 | 第73-74页 |
| ·概率神经网络模型 | 第74-75页 |
| ·基于概率神经网络的模式分类 | 第75-76页 |
| ·仿真分析 | 第76-77页 |
| ·PNN识别实验 | 第77-79页 |
| ·基于原始广义维数特征的PNN识别 | 第77-78页 |
| ·基于KFDA后的PNN识别 | 第78-79页 |
| ·结果对比分析 | 第79页 |
| ·本章小结 | 第79-81页 |
| 第五章 实验室环境下的钴结壳识别试验 | 第81-101页 |
| ·试验目的与内容 | 第81页 |
| ·试验样品的建立 | 第81-88页 |
| ·拖网样品 | 第81-83页 |
| ·模拟样品的制作 | 第83-88页 |
| ·试验系统简介 | 第88-89页 |
| ·水池试验台 | 第88页 |
| ·数据采集系统 | 第88-89页 |
| ·钴结壳识别试验 | 第89-100页 |
| ·回波信号采集 | 第89-92页 |
| ·数据分析与处理 | 第92-100页 |
| ·本章小结 | 第100-101页 |
| 第六章 总结与展望 | 第101-103页 |
| ·总结 | 第101-102页 |
| ·展望 | 第102-103页 |
| 参考文献 | 第103-113页 |
| 附录1 | 第113-114页 |
| 附录2 | 第114-116页 |
| 附录3 | 第116-117页 |
| 致谢 | 第117-118页 |
| 攻读学位期间主要科研成果及参与的工作 | 第118页 |
